项目地址：https://github.com/Daya-Jin/ML_for_learner/blob/master/cluster/DBSCAN.ipynb
原博客：https://daya-jin.github.io/2018/08/06/DBSCAN/
模型概述
DBSCAN是一种聚类算法，首先明确几个概念：
-
-邻域：对任一样本点
，数据集
中与该样本点的距离不大于
dense_i - 核心对象(core object)：若某一样本的密度不小于一个阈值，即
dense_iMin_pts，则该样本是一个核心对象 - 边界对象：若某一样本的密度小于
Min_pts，则该样本成为边界对象；特别地，密度为的样本被称为噪声样本
- 密度直达：核心对象直达其邻域内的样本点，直达方向由核心对象指向其邻域内的样本点
- 密度可达：对两个样本点
，若存在一条密度直达链
，则称
- 密度相连：同一个核心对象可达的两样本点称为密度相连，即同时存在两条直达链：
，
密度相连
DBSCAN算法将所有密度相连的样本聚成一类。换个角度来说，DBSCAN会尽量多的寻找密度相连的核心对象（容易推出密度相连在核心对象上满足交换律），然后将这些核心对象及其邻域样本都归为一类。
网友评论